Development of Longitudinal, Linked Maternal-Infant Cohorts using the Epic Cosmos Electronic Health Record Dataset
Questo studio stabilisce un quadro rigoroso e riproducibile per la creazione di coorti longitudinali e collegate madre-neonato all'interno del dataset Epic Cosmos, dimostrando che i dati risultanti sono altamente completi, rappresentativi della popolazione neonatale statunitense e idonei alla ricerca epidemiologica nonostante l'importante atrizione derivante dall'applicazione di criteri rigorosi di follow-up longitudinale.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA di un preprint non sottoposto a revisione paritaria. Non è un consiglio medico. Non prendere decisioni sulla salute basandoti su questo contenuto. Leggi il disclaimer completo
Gli ospedali oggi generano un flusso vasto e continuo di registri digitali per ogni paziente che curano. Queste cartelle cliniche elettroniche catturano tutto, da un controllo routinario della pressione sanguigna fino ai farmaci specifici che un medico prescrive, creando una mappa dettagliata e in tempo reale del percorso di salute di una persona. Per i ricercatori che studiano la gravidanza e i neonati, questi dati rappresentano una promessa immensa. Offrono un modo per osservare milioni di casi contemporaneamente, andando ben oltre quanto sia possibile con piccoli studi locali. Tuttavia, un grande ostacolo è sempre stato il collegare i punti. In molti sistemi, i registri di una madre e i registri del suo bambino vivono in silos separati, rendendo difficile studiare come la salute di uno influenzi l'altro nel tempo. Inoltre, i ricercatori si sono spesso preoccupati che i dati provenienti dalle cartelle elettroniche potessero essere incompleti o rappresentare solo un tipo specifico di ospedale, piuttosto che la popolazione diversificata dell'intero paese.
Un team di ricercatori ha deciso di risolvere questi problemi utilizzando un database massiccio e centralizzato chiamato Epic Cosmos. Questo sistema raccoglie informazioni sanitarie strutturate da centinaia di ospedali e cliniche negli Stati Uniti e in alcune altre località, creando una visione singola e unificata dell'assistenza al paziente. I ricercatori volevano dimostrare di poter costruire un gruppo di studio affidabile e a lungo termine, collegando madri e bambini all'interno di questa rete digitale. Avevano bisogno di dimostrare che i dati fossero abbastanza completi da essere affidabili, che le persone nel database somigliassero alla popolazione generale e che potessero seguire queste famiglie dalla prima visita prenatale fino ai primi mesi del bambino senza perderle di vista.
Per farlo, il team è partito da quasi tre milioni di gravidanze terminate con un parto vivo tra il 2023 e il 2024. Hanno iniziato collegando il record di ogni neonato al record della madre, creando un dataset accoppiato. Questo passaggio iniziale richiedeva che il bambino fosse nato in un ospedale che utilizzasse il sistema e che il file della madre contenesse il necessario collegamento della storia familiare. Questo processo ha collegato con successo la stragrande maggioranza dei dati, dando origine a una coorte di quasi tre milioni di gravidanze. Successivamente, i ricercatori hanno testato quanto bene i dati resistessero all'aggiunta di regole più rigide per garantire una storia continua per ogni famiglia. Hanno richiesto che la madre avesse almeno una visita medica nei primi tre mesi di gravidanza, un'altra nei secondi tre mesi, un controllo dopo la nascita del bambino e una visita di follow-up per il bambino entro tre mesi dal rilascio dall'ospedale.
Ogni volta che i ricercatori aggiungevano un nuovo requisito per garantire una storia medica completa, il numero di famiglie nel gruppo di studio diminuiva. Al momento in cui hanno richiesto tutti e quattro i tipi di visite, il gruppo si era ridotto a circa 587.000 gravidanze. Questo calo era previsto, poiché escludeva le famiglie che ricevevano assistenza in ospedali diversi o che saltavano determinati appuntamenti. Fondamentalmente, i ricercatori hanno scoperto che il gruppo rimanente somigliava ancora molto al gruppo originale più ampio. La miscela di età, razze e località geografiche rimaneva coerente con i dati nazionali sulle nascite. Anche i dati erano straordinariamente completi; per la maggior parte dei dettagli chiave come il peso alla nascita del bambino, l'età della madre e il tipo di parto, le informazioni mancavano meno dell'uno per cento delle volte. Anche per variabili che sono spesso più difficili da catturare, come l'indice di massa corporea al momento del parto e la razza, i dati erano disponibili per più di tre quarti dei casi.
Per dimostrare che questi dati collegati potessero rispondere a reali domande mediche, il team ha condotto un test specifico. Hanno osservato le donne che avevano già la pressione alta prima o all'inizio della gravidanza per vedere se le loro letture della pressione sanguigna nel primo trimestre potessero predire una complicazione seria chiamata preeclampsia. La preeclampsia è una condizione caratterizzata da una pressione sanguigna pericolosamente alta e danni agli organi che può verificarsi durante la gravidanza. L'analisi ha mostrato che, tra le donne con ipertensione cronica, quelle la cui pressione sistolica — il numero superiore di una lettura — era pari o superiore a 140 nel primo trimestre, avevano una probabilità significativamente maggiore di sviluppare la preeclampsia più avanti nella gravidanza. Questo risultato ha confermato che i registri digitali erano abbastanza accurati da rilevare schemi sanitari sottili ma importanti.
Lo studio ha concluso che Epic Cosmos è uno strumento potente per comprendere la salute della gravidanza e del neonato su scala nazionale. I ricercatori hanno dimostrato di poter creare una visione a lungo termine e collegata di madri e bambini che sia sia ampia che rappresentativa degli Stati Uniti. Sebbene il processo di richiesta di visite di cura continue riduca il numero totale di famiglie disponibili per lo studio, esso non distorce le caratteristiche del gruppo, il che significa che i risultati rimangono affidabili. Il lavoro evidenzia che, sebbene le cartelle cliniche elettroniche siano una risorsa ricca, i ricercatori devono prestare attenzione a come selezionano i loro gruppi di studio per evitare di perdere i pazienti più vulnerabili che potrebbero non avere un'assistenza continua nel sistema. In definitiva, questo approccio apre la porta a futuri studi per esplorare complesse questioni sanitarie utilizzando dati del mondo reale provenienti da milioni di persone.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.